Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu tugas penting bank sentral adalah mendistribusikan uang tunai ke seluruh wilayah kantor kerja bank sentral di Indonesia, perbankan dan/atau lembaga keuangan. Dalam melakukan proses tersebut, bank sentral bekerja sama dengan pihak ketiga yaitu perusahaan jasa Cash-in-Transit (CIT). CIT adalah proses pengiriman dan pengangkutan uang tunai dari satu tempat ke tempat lainnya. Proses ini harus dilakukan dengan tingkat keamanan yang tinggi mengingat adanya kemungkinan risiko perjalanan yaitu kehilangan uang akibat perampokan. Oleh karena itu, perusahaan jasa CIT harus menentukan jalur distribusi yang optimal yaitu yang meminimalkan biaya transportasi dan risiko perjalanan. Fokus pada skripsi ini hanya distribusi pengantaran uang tunai dari bank sentral ke perbankan yaitu bank umum. Setiap bank umum tersebar secara geografis dan memiliki batasan waktu (time windows) yang berbeda. Permasalahan tersebut dapat dimodelkan dalam bentuk Vehicle Routing Problem with Time Windows (VRPTW) dengan fungsi objektif yang telah mengombinasikan dua faktor yaitu jarak dan risiko menjadi suatu nilai bobot yang tidak memiliki satuan. VRPTW merupakan varian dari masalah Vehicle Routing Problem (VRP) yang setiap pelanggan memiliki batasan waktu (time windows). Metode penyelesaian yang digunakan adalah Simulated Annealing (SA) dengan penentuan solusi awal menggunakan metode Nearest Neighbor (NN). Hasil perhitungan berupa nilai objektif yang minimum dan dari nilai tersebut didapatkan informasi mengenai total biaya dan risiko perjalanan. Program diimplementasikan pada contoh kasus dengan data 1 depot dan 29 kantor bank umum. Kesimpulan dari hasil yang diperoleh yaitu bahwa metode SA dapat mengoptimalkan nilai objektif, yang dihasilkan dari metode NN, dengan penurunan sebesar 39,85%. Pada hasil tersebut, total biaya perjalanan meningkat sebesar 13,72% dan risiko turun sebesar 19,66% dari solusi awal yang menggunakan metode NN.

---

One of the important tasks of the central bank is to distribute cash throughout the regional offices of central bank in Indonesia, banking institutions, and/or financial institutions. In executing this process, the central bank collaborates with a third party, namely Cash-in-Transit (CIT) companies. CIT involves the delivery and transportation of cash from one location to another. This process must be conducted with a high level of security, considering the potential travel risks such as the loss of money due to robbery. Therefore, CIT companies must determine an optimal distribution route that minimizes transportation costs and travel risks. The focus of this thesis is specifically on the distribution of cash delivery from the central bank to commercial banks, namely public banks. Each public bank is geographically dispersed and has different time windows. This issue can be modeled in the form of the Vehicle Routing Problem with Time Windows (VRPTW), with an objective function that combines two factors: distance and risk, into a dimensionless weight. VRPTW is a variant of the Vehicle Routing Problem (VRP) where each customer has time windows. The chosen solution method is Simulated Annealing (SA), with the determination of the initial solution using the Nearest Neighbor (NN) method. The calculated results include the minimum objective value, providing information on the total cost and travel risk. The program is implemented in a case study with one depot and 29 public bank offices. The conclusion drawn from the obtained results is that the SA method can optimize the objective value generated by the NN method, with a decrease of 39.85%. In these results, the total travel cost increases by 13.72%, while the risk decreases by 19.66%."

"Indonesia sebagai negara kepulauan, memerlukan sistem transportasi yang efisien sebagai penghubung antar wilayah. Kapal sebagai alat transportasi laut menjadi sarana utama dalam mengatasi tantangan mobilitas di Indonesia, khususnya proses pendistribusian barang dalam jumlah besar. Akan tetapi, belum meratanya pengembangan ekonomi dan infrastruktur di wilayah Indonesia bagian timur mengakibatkan terjadinya kesenjangan antar wilayah dan disparitas harga karena tingginya biaya operasional dalam proses pendistribusian barang. Berdasarkan kondisi tersebut, pemerintah mengambil langkah dalam mengoptimalkan peluang ekonomi melalui program tol laut. Tol laut direalisasikan sebagai trayek yang efektif dan efisien sehingga jalur paling ideal dibutuhkan dalam proses pendistribusian barang ke setiap wilayah di Indonesia. Optimasi rute pelayaran pada trayek tol laut perlu dilakukan sebagai langkah krusial untuk menghasilkan jalur paling ideal yang lebih efektif dalam mengurangi biaya operasional dan keterlambatan pendistribusian barang. Penelitian ini mengimplementasikan travelling salesman problem dengan algoritma simulated annealing sebagai metode optimasi pemilihan rute pelayaran. Metode tersebut menghasilkan pemilihan rute yang optimal dengan fungsi objektif jarak tempuh minimum. Penelitian ini bertujuan untuk menguji apakah trayek tol laut 2023 yang telah dijalankan oleh pemerintah merupakan jalur terbaik berdasarkan jarak terpendek. Hasil penelitian menunjukan bahwa terdapat 12 rute baru yang memiliki jarak lebih dekat dibandingkan dengan rute pada trayek tol laut yang telah dijalankan oleh pemerintah. Penelitian juga menghasilkan estimasi biaya bahan bakar yang menurun pada 12 rute tersebut. Berkurangnya biaya bahan bakar ini dapat mengurangi tingginya biaya operasional dalam proses pendistribusian barang. Hasil ini dapat menjadi masukan bagi pemerintah Indonesia, khususnya Kementerian Perhubungan sebagai bahan evaluasi dalam Keputusan Direktur Jenderal Perhubungan Laut Nomor: KP-DJPL 678 Tahun 2023.

---

Indonesia, as an archipelagic country, requires an efficient transportation system to connect its regions. Ships, as the primary means of sea transportation, are essential for overcoming mobility challenges in Indonesia, particularly in the distribution of goods in large quantities. However, the uneven economic and infrastructure development in eastern Indonesia has resulted in regional disparities and price differences due to high operational costs in the distribution process. In response to these conditions, the government has taken steps to optimize economic opportunities through the tol laut program. The tol laut program is designed to be a cost-effective and efficient shipping route network, thus necessitating the most ideal routes for the distribution of goods to every region in Indonesia. Optimizing the shipping routes of the Tol Laut is crucial for creating the most ideal routes that are more effective in reducing operational costs and delays in goods distribution. This research implements the travelling salesman problem using the simulated annealing algorithm as a method for optimizing the selection of shipping routes. This approach identifies the most efficient routes to minimize travel distances. This study aims to test whether the tol laut 2023 routes implemented by the government are the best routes based on the shortest distance. The results of the study indicate that there are 12 new routes with shorter distances compared to the routes of the sea toll previously implemented by the government. The research also estimates a decrease in fuel costs for these 12 routes. This reduction in fuel costs can lower the high operational costs in the goods distribution process. These findings can provide input for the Indonesian government, particularly the Ministry of Transportation, as evaluation material in the Decision of the Director General of Sea Transportation Number: KP-DJPL 678 of 2023."

"Penempatan barang merupakan suatu permasalahan yang signifikan bagi manajemen toko pengecer, mengingat adanya sumber daya ruang rak penjualan yang terbatas namun variasi produk yang terus-menerus bertambah. Di toko pengecer, strategi pemajangan yang berbeda secara langsung mempengaruhi keputusan pembelian pelanggan dan keuntungan toko pengecer. Dalam studi sebelumnya, penelitian sebagian besar menempatkan barang ke ruang rak berdasarkan kesamaan informasi jenis produknya saja. Di sisi lain, dalam prakteknya terdapat permasalahan bahwa semua rak diperlakukan sama pentingnya dan perilaku pelanggan yang biasanya berjalan pada kedua ujung lorong daripada berjalan di lorong tidak diperhitungkan.Penelitian ini akan membahas mengenai optimasi penempatan barang pada rak penjualan toko pengecer dengan mempertimbangkan hubungan kedekatan antar kategori produk dan bobot penting antar ruang rak yang dapat memaksimalkan potensi keuntungan toko pengecer, dengan metode penyelesaian algoritma simulated annealing. Hasilnya diperlihatkan konfigurasi penempatan barang berdasarkan hubungan kedekatan dan bobot penting......helf management is a significant issue for the management of retail stores, given the sales rack space resources are limited but the variety of products is constantly increasing. In retail stores, displays of different strategies directly affect the purchasing decisions of customers and profits shop retailers. In previous studies, most studies put the goods into the shelf space based on common types of product information only. On the other hand, in practice there are problems that all shelves are treated as important and customer behavior that typically runs on both ends of the hall rather than walk down the aisle is not taken into account.This research will discuss the optimization of shelf management in the retail store shelves by considering the relationship between the proximity of important product categories and weights between shelf space to maximize the profit potential retailer, with completion method of simulated annealing algorithm. The results are shown in the configuration of the placement of goods based on proximity relations and weights importance."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan tepat oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas, dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja algoritma Simulated Annealing (SA) dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang diperoleh dengan best known solution (BKS) dari masalah penguji yang diambil dari OR-Library. Metode SA merupakan pengembangan dari metode local search (LS). Pencarian dengan algoritma SA berusaha keluar dari optimum lokal dari LS dengan memperbolehkan pencarian ke solusi yang tidak lebih baik dengan probabilitas tertentu yang dipengaruhi oleh temperatur. Dari simulasi yang telah dilakukan, dapat dikatakan bahwa algoritma SA cukup baik dalam menyelesaikan GAP dimana kesalahan relatif kurang dari 0,05. "

"Simulated annealing has proved to be an easy and reliable method for finding optimal values of a problem in cases where there is no road map to possible solutions. Facts, Conjectures, and Improvements for Simulated Annealing offers an introduction to this topic for novices and provides an informative review of the area for the more expert reader. This book brings together for the first time many of the theoretical foundations for improvements to algorithms for global optimization that until now existed only in scattered research articles.The method described in this book operates by simulating the cooling of a (usually fictitious) physical system whose possible energies correspond to the values of the objective function being minimized. The analogy works because physical systems occupy only states with the lowest energy as the temperature is lowered to absolute zero."

"Simulated annealing merupakan salah satu pendekatan yang relatif baru dalam masalah penjadwalan job shop. Sebagai sebuah heuristik, sirnuiaiea annealing tidak menjamin tercapainya solusi optimal, namun dapat menghasilkan solusi yang baik dalam waktu relatif singkat. Dalam penelitian ini, dirancang empat heuristik yang berbasiskan simulated annealing. Heuristik pertama menerapkan simulaied annealing secara langsung. Heuristik kedua menggunakan simulated annealing dengan rehearing. Heuristik ketiga menggunakan rehealing dan backiracking ke solusi awal, sedangkan heuristik keempat menggunakan rehearing dan baclaracking ke solusi terbaik. Keempat heuristik ini diirnplementasikan dalam program berbaahasa Pascal.Setelah perancangan dan implementasi selesai, dilakukan perbandingan antara hasil penjadwalan dari penelitian terdahulu yang menggunakan pendekatan prioriiy dispatch rule dengan hasil penjadwalan dari penelitian ini menggunakan data dari penelitian terdahulu tersebut. Untuk maksud perbandingan ini, digunakan hasil penelitian yang dilakukan oleh Riswan (1993). Penelitian ini juga membandingkan hasil penjadwalan dari penelitian ini dengan hasil penjadwalan optimal pada masalah bencnmark, yaitu FT 06 dan FT 10.Hasil perbandingan dengan penelitian terdahulu menunjukkan bahwa keempat heuristic marnpu menghasilkan jadwal dengan makeapan lebih balk, rardiness yang sama baik, namun dengan flow time rata-rata yang relatif kurang baik dibandingkan dengan penggunaan pendekatan priority disparch rule. Untuk masalah benchmark FT 06, hasil penelitian ini mampu mendapatkan solusi optimal, scdangkan untuk FT 10, hasil penelitian ini masih belum mampu mencapai solusi optimal."

"Vehicle Routing Problem with Time Windows menjadi suatu permasalahan bagi perusahaan saat ini dimana biaya logistik yang semakin tinggi. Penentuan rute yang tepat untuk distribusi barang sangat dibutuhkan untuk menekan biaya bahan bakar kendaraan. Penyelesaian VRPTW ini menggunakan algoritma metaheuristic: Tabu Search, Particle Swarm Optimization dan Simulated Annealing. Penelitian ini membandingkan karakter dari ketiga algoritma tersebut. Dimana hasil tabu search memberikan nilai yang mayoritas optimal dibandingkan ketiganya. Tetapi untuk iterasi pendek, PSO memberikan nilai yang cepat menuju optimal.

---

Vehicle Routing Problem with Time Windows become main problem to company when dealing with distribution cost that comes bigger. Determining best routing to distribute goods or service can help reduce distribution cost. This research using metaheuristic algorithm: Tabu Search, Particle Swarm Optimization dan Simulated Annealing to solve VRPTW. This research benchmark that three algorithm. The conclusion is tabu search bring best solution for long iteration. But for short iteration, PSO bring better solution."

"Studi ini membahas kebutuhan untuk mengoptimalkan jadwal pendaratan dan lepas landas pesawat di Bandara I Gusti Ngurah Rai, Bali, yang melayani hingga 500 pesawat setiap hari dengan satu landasan pacu. Bandara menghadapi tantangan dalam mengelola jadwal penerbangan karena tingginya volume lalu lintas, jenis pesawat yang bervariasi, dan peraturan keselamatan yang ketat. Landasan pacu tunggal mengharuskan pesawat untuk bergantian mendarat dan lepas landas, dengan kapasitas 38 pergerakan per jam, di mana hanya 80% yang dapat digunakan untuk pendaratan darurat. Pendekatan First-Come-First-Served (FCFS) saat ini tidak optimal, menyebabkan ketidakefisienan dan keterlambatan. Penelitian ini menerapkan algoritma Simulated Annealing (SA) untuk meminimalkan deviasi dari waktu pendaratan dan lepas landas yang ditargetkan, meningkatkan efisiensi operasional. Studi ini memodelkan masalah penjadwalan bandara, dengan memperhitungkan kendala seperti okupansi landasan pacu, waktu pemisahan, dan jendela waktu. Data dari PT Angkasa Pura I dan sumber publik, khususnya dari 15 Maret 2024, memberikan input yang diperlukan untuk model optimasi. Algoritma SA, dipilih karena kemampuannya untuk keluar dari optima lokal dan menangani masalah optimasi yang kompleks, diimplementasikan dalam Python. Hasilnya menunjukkan pengurangan total waktu deviasi dari 236 menit menjadi 183 menit, menandai peningkatan sebesar 22,46%. Penelitian ini menyoroti potensi SA dalam mengelola operasi bandara.

---

This study addresses the need for optimizing aircraft landing and takeoff schedules at I Gusti Ngurah Rai Airport, Bali, which services up to 500 aircraft daily with a single runway. The airport faces challenges in managing flight schedules due to high traffic volumes, varied aircraft types, and stringent safety regulations. The single runway requires planes to take turns landing and taking off, with a capacity of 38 movements per hour, of which only 80% can be utilized for emergency landings. The current First-Come-First-Served (FCFS) approach is suboptimal, leading to inefficiencies and delays. This research applies the Simulated Annealing (SA) algorithm to minimize deviations from target landing and takeoff times, improving operational efficiency. The study models the airport's scheduling problem, incorporating constraints such as runway occupancy, separation times, and time windows. Data from PT Angkasa Pura I and public sources, specifically from March 15, 2024, provide the necessary input for the optimization model. The SA algorithm, chosen for its ability to escape local optima and handle complex optimization problems, is implemented in Python. Results show a reduction in total deviation times from 236 minutes to 183 minutes, marking a 22.46% improvement. This research underscores the potential of SA in managing airport operations."

"Berbagai macam metodologi dan algoritma telah dikembangkan untuk memecahkan permasalahan tata letak mesin (MLP). Dalam penelitian ini, metode Cluster Boundary Search (CBS), algoritma Simulated Annealing (SA) and Tabu Search (TS) dikombinasikan dengan tujuan untuk mendapatkan hasil optimasi MLP yang lebih baik. Metode CBS melakukan proses optimasi dengan meletakan sebuah mesin terpilih di sekeliling batas luar mesin yang sudah diletakkan. Mesin pertama yang akan dikelilingi dipilih berdasarkan konektivitas terbesar dengan seluruh mesin. Mesin yang belum diletakan secara berurutan diletakkan pada posisi optimumnya pada batas keliling dari mesin yang sudah diletakkan sampai semua mesin sudah diletakkan. Hasil dari metode CBS selanjutnya dikombinasikan dengan SA dan TS dengan tujuan untuk mendapatkan layout tata letak yang paling optimal.

---

Various kinds of methodologies and algorithms have been developed to solve Machine Layout Problem (MLP). In this paper, Cluster Boundary Search (CBS) method, Simulated Annealing (SA) and Tabu Search (TS) algorithms are combined with the aim of obtaining better MLP optimization result. CBS method conducts its optimization process by placing a selected unplaced machine singly along a boundary line around the cluster of the placed machines. The first machine to be circumambulated is selected on the basis of the highest value of connectivity with all the machines. The unplaced machines are sequentially located to their optimum position on the formed boundary of the placed machines until all the machines are placed. The result of BCS method is furthermore combined with SA and TS in order to obtain the most optimal facilities layout."

"Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) adalah suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan dengan setiap permintaan terdiri dari permintaan jemput dan antar. Solusi yang ingin dicapai adalah solusi dengan banyaknya rute yang minimum dan total jarak yang minimum. Tugas akhir ini membahas aplikasi algoritma hibrida dua tahap pada PDPTW dan implementasinya pada data benchmark Li dan Lim dengan menggunakan perangkat lunak. Tahap pertama menggunakan algoritma simulated annealing untuk meminimumkan banyaknya rute dengan pembentukan solusi awal menggunakan metode insertion heuristic dan tahap kedua menggunakan algoritma large neighborhood search untuk meminimumkan total jarak.

---

Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) is a problem of finding optimal route to serve customer's demands where each demand consists of pickup and delivery service. The optimal solution is the solution with minimum number of routes and minimum total distance. This final project presents an application of two-stage hybrid algorithm for PDPTW and its implementation on Li and Lim benchmark data using software. The first stage uses simulated annealing algorithm to minimize the number of routes with insertion heuristic used in the construction of initial solution. Then, the second stage uses large neighborhood search algorithm to minimize the total distance. That algorithm is implemented for benchmark problem."